基于大數(shù)據(jù)的工程項目投標(biāo)決策風(fēng)險管理研究

孫淑生+劉丹

摘要：建筑行業(yè)的數(shù)據(jù)信息呈爆炸式增長的同時，承包商在工程項目投標(biāo)決策中要考慮的風(fēng)險因素也不斷增加，但施工企業(yè)的信息管理水平?jīng)]有跟上時代的腳步，對洶涌而來的海量數(shù)據(jù)無從下手，導(dǎo)致資源浪費、風(fēng)險控制不當(dāng)、投標(biāo)失敗等嚴(yán)重問題。大數(shù)據(jù)時代的到來，為施工企業(yè)在工程項目投標(biāo)決策過程中的風(fēng)險控制提供了可靠支持。在現(xiàn)有的工程項目投標(biāo)風(fēng)險管理模型基礎(chǔ)上，從承包商角度出發(fā)，利用大數(shù)據(jù)技術(shù)對數(shù)據(jù)進(jìn)行預(yù)處理，結(jié)合數(shù)據(jù)挖掘決策樹算法篩選出了有效的風(fēng)險信息，創(chuàng)建了工程項目投標(biāo)風(fēng)險評價指標(biāo)體系，以實際工程項目為案例，論證結(jié)果表明，能夠有效幫助承包商量化風(fēng)險，提高風(fēng)險識別的準(zhǔn)確度。

關(guān)鍵詞：大數(shù)據(jù)；投標(biāo)決策；評價指標(biāo)體系；風(fēng)險管理

中圖分類號：C931文獻(xiàn)標(biāo)識碼：A DOI：10.3963/j.issn.1671-6477.2017.02.0002

建筑業(yè)作為目前企業(yè)規(guī)模最大、過程最為復(fù)雜、數(shù)據(jù)量最多的行業(yè)，但由于其特殊性，相比于其他同等規(guī)模的行業(yè)，也是“最沒有”數(shù)據(jù)的行業(yè)。建筑行業(yè)管理創(chuàng)新能力較弱，行業(yè)轉(zhuǎn)型升級困難重重，在信息化、互聯(lián)網(wǎng)、大數(shù)據(jù)的運(yùn)用方面都有待革新，這與行業(yè)的性質(zhì)也有一定關(guān)系。建筑行業(yè)的產(chǎn)品生產(chǎn)過程復(fù)雜性大、周期長、涉及的物質(zhì)資源廣泛，導(dǎo)致互聯(lián)網(wǎng)、大數(shù)據(jù)技術(shù)等轉(zhuǎn)化為生產(chǎn)力的難度巨大。這也大大降低了技術(shù)對行業(yè)變革的沖擊，使保守勢力得以長期掌控行業(yè)。因此，從承包商的角度出發(fā)，探討如何將海量數(shù)據(jù)轉(zhuǎn)換為有效的決策依據(jù)是非常有意義的。

一、大數(shù)據(jù)處理技術(shù)在工程項目投標(biāo)決策中的應(yīng)用優(yōu)勢

IBM公司出版的《理解大數(shù)據(jù)》一書中，按照大數(shù)據(jù)的三個特征即數(shù)量、類別和速度來解釋大數(shù)據(jù)。麥肯錫全球研究所指出，大數(shù)據(jù)應(yīng)該是“通過傳統(tǒng)的軟件工具無法實現(xiàn)對實時篩選、管理和分析的數(shù)據(jù)集合”。本文將大數(shù)據(jù)定義為：以信息技術(shù)為基礎(chǔ)，在人類學(xué)習(xí)、工作、生產(chǎn)生活等行為中產(chǎn)生且被記錄的海量、多樣、快速、真實的數(shù)據(jù)，構(gòu)成的一個完整的數(shù)據(jù)系統(tǒng)。大數(shù)據(jù)的核心是從數(shù)量巨多、類別多樣、增長迅速、真實準(zhǔn)確的數(shù)據(jù)中挖掘有用的信息，實現(xiàn)數(shù)據(jù)驅(qū)動科學(xué)決策。

投標(biāo)決策的主體是施工單位，指承包商在對工程承包市場、招標(biāo)項目信息、招標(biāo)公司等方面通過調(diào)查分析后有了充分了解的前提下，進(jìn)行系統(tǒng)分析后作出選擇，最終找出最適合本公司的投標(biāo)項目或者最佳投標(biāo)方案。投標(biāo)決策是施工企業(yè)運(yùn)營的重要組成部分，投標(biāo)工作對施工單位有著十分重要的意義，它是公司實現(xiàn)經(jīng)營目標(biāo)的保證，是公司獲取經(jīng)營利潤的前提，也是公司在競爭中獲勝的關(guān)鍵。管理者作出決策的主要依據(jù)就是對積累的歷史經(jīng)驗數(shù)據(jù)進(jìn)行整理、分析，而大數(shù)據(jù)處理技術(shù)正是服務(wù)于此類海量數(shù)據(jù)的分析過程。收集數(shù)據(jù)只是大數(shù)據(jù)處理的前提，但是如果只是數(shù)據(jù)堆積，則不能體現(xiàn)數(shù)據(jù)的價值。大數(shù)據(jù)的核心是將對生產(chǎn)管理活動有用的知識信息從規(guī)模龐大、種類多樣、高速增長的數(shù)據(jù)中提取出來，輔助管理者們進(jìn)行分析決策，滿足不同的工作需求[1]。大數(shù)據(jù)強(qiáng)大的數(shù)據(jù)集成管理、分析處理和可視化處理技術(shù)為管理者提取有用信息提供了有力的技術(shù)支持。長久以來，諸多學(xué)者針對大數(shù)據(jù)處理技術(shù)的運(yùn)用和投標(biāo)決策過程中的影響因素作出了許多研究。Fatos Xhafa[2]分析了大數(shù)據(jù)時代的到來對人們生活的影響，指出知識隱藏在數(shù)據(jù)中，通過專家評審并給出意見書，認(rèn)為從大數(shù)據(jù)的生成到維護(hù)，大數(shù)據(jù)的知識可以建立在一個系統(tǒng)中，使管理數(shù)據(jù)的壽命周期等相關(guān)問題得以解決。Ming Lu[3]針對工程問題數(shù)據(jù)計算量大的問題，利用PERT網(wǎng)絡(luò)技術(shù)，重新測算建設(shè)工程工期風(fēng)險，在計算量和評價準(zhǔn)確性等方面都均有顯著改進(jìn)。學(xué)者S.H Han[4]、Bakker[5]在綜合運(yùn)用信息網(wǎng)絡(luò)技術(shù)和風(fēng)險管理方法這一領(lǐng)域也進(jìn)行了相關(guān)研究。郭鵬等[6]將灰色評價與模糊數(shù)學(xué)相結(jié)合，形成風(fēng)險綜合評價方法，這種方法的特點是針對專家評判信息的模糊性與灰性，運(yùn)用聚類理論得出指標(biāo)灰色統(tǒng)計量，通過創(chuàng)建項目風(fēng)險模糊隸屬矩陣運(yùn)算得出相關(guān)項目的風(fēng)險評價等級。胡艷妮[7]以獨特的角度考慮問題，采用AHP方法和改進(jìn)的兩兩比較判斷方法，從內(nèi)、外部風(fēng)險對投標(biāo)活動進(jìn)行考察，并對之前的方法進(jìn)行了改進(jìn)，建立一種定量的投標(biāo)風(fēng)險評價方法。

二、大數(shù)據(jù)風(fēng)險評價指標(biāo)體系在項目投標(biāo)風(fēng)險管理中的運(yùn)用

工程項目日趨復(fù)雜化，其全過程中出現(xiàn)的風(fēng)險因素越來越多，在預(yù)測其多變性、不確定性等方面的難度也越來越大，且工程項目各個階段所出現(xiàn)的風(fēng)險又是相互影響的，工程項目投標(biāo)決策階段作為項目的啟動階段，必須做好風(fēng)險管理工作[8]。大數(shù)據(jù)風(fēng)險評價指標(biāo)體系的建立與風(fēng)險管理的第一階段風(fēng)險識別有著密切的聯(lián)系。指標(biāo)體系是在大數(shù)據(jù)處理后的結(jié)果，風(fēng)險識別是對大數(shù)據(jù)處理的結(jié)果進(jìn)行初步判斷。

信息技術(shù)在建筑行業(yè)的應(yīng)用不斷深入，結(jié)合自身運(yùn)營的業(yè)務(wù)范疇和發(fā)展需求，企業(yè)會建立不同的辦公自動化平臺和業(yè)務(wù)處理系統(tǒng)來存儲業(yè)務(wù)數(shù)據(jù)資料。在激烈的市場競爭中，管理者需要從這些不同的系統(tǒng)平臺中篩選出有效的數(shù)據(jù)信息進(jìn)行分析，大數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)可以把這些歷史數(shù)據(jù)進(jìn)行歸納、總結(jié)和補(bǔ)充，結(jié)合計算機(jī)技術(shù)，建立操作方便的風(fēng)險決策系統(tǒng)，如圖1所示。

（一）數(shù)據(jù)倉庫的建立

數(shù)據(jù)倉庫是面向主題的、集成的、具有時間特征的、穩(wěn)定的數(shù)據(jù)集合，用于支持經(jīng)營管理中的決策支持過程[9]。數(shù)據(jù)倉庫是許多不同數(shù)據(jù)源的信息集成，這些數(shù)據(jù)源本身有可能就是一個完整的數(shù)據(jù)庫，因此數(shù)據(jù)倉庫對數(shù)據(jù)挖掘技術(shù)的要求更高。以企業(yè)的立場出發(fā)，數(shù)據(jù)倉庫涵蓋了多個部門的數(shù)據(jù)信息。數(shù)據(jù)挖掘的任務(wù)是在現(xiàn)有的數(shù)據(jù)基礎(chǔ)上發(fā)掘新知識，建立數(shù)據(jù)倉庫能夠?qū)p少數(shù)據(jù)挖掘過程中的阻礙[10]。

投標(biāo)項目數(shù)據(jù)庫的建立以大數(shù)據(jù)的收集為基礎(chǔ)。投標(biāo)工作涉及到多個方面，積累和現(xiàn)有的數(shù)據(jù)大多雜亂無章，且承包商對日常工作中的數(shù)據(jù)積累不夠重視，導(dǎo)致這些大量數(shù)據(jù)的浪費。要建立穩(wěn)定、有效的數(shù)據(jù)庫系統(tǒng)，必須先將這些數(shù)據(jù)信息進(jìn)行整理。橫向劃分為組（包括企業(yè)自身、競爭對手等），縱向列出項目屬性（包括項目名稱、項目合同信息、招標(biāo)業(yè)主、類型、規(guī)模、工期等），將數(shù)據(jù)以表的形式存儲起來，如表1所示。企業(yè)內(nèi)部數(shù)據(jù)源主要是企業(yè)自身多年工作的數(shù)據(jù)累積，一般來自各部門的業(yè)務(wù)處理系統(tǒng)、信息處理系統(tǒng)、資源規(guī)劃系統(tǒng)和客戶管理系統(tǒng)。企業(yè)外部數(shù)據(jù)包括競爭對手信息、行業(yè)市場信息等。行業(yè)市場信息可以從相關(guān)部門或網(wǎng)絡(luò)平臺獲取，競爭對手信息較難獲取，可以向第三方咨詢公司購買或組織調(diào)研小組進(jìn)行專項調(diào)查。各項目的風(fēng)險影響因素又構(gòu)成子數(shù)據(jù)庫，對于企業(yè)積累的歷史數(shù)據(jù)，可根據(jù)項目投標(biāo)決策階段的風(fēng)險研究，結(jié)合項目在施工過程中的風(fēng)險變化，進(jìn)行風(fēng)險重要性分析，總結(jié)針對各項風(fēng)險因素的有效應(yīng)對措施。

（二）數(shù)據(jù)的劃分及篩選

大數(shù)據(jù)的分析分為兩個階段：一是對數(shù)據(jù)倉庫中的信息進(jìn)行初步提取篩選，縮小分析范圍；二是運(yùn)用數(shù)據(jù)挖掘算法進(jìn)行準(zhǔn)確處理。投標(biāo)項目的基本信息數(shù)據(jù)屬于結(jié)構(gòu)化數(shù)據(jù)，對于結(jié)構(gòu)化數(shù)據(jù)的挖掘，必須以一個專業(yè)領(lǐng)域的、滿足關(guān)聯(lián)規(guī)則的數(shù)據(jù)倉庫為前提，結(jié)構(gòu)化數(shù)據(jù)應(yīng)符合的關(guān)聯(lián)規(guī)則如圖2所示。而投標(biāo)項目的風(fēng)險影響因素屬于非結(jié)構(gòu)化數(shù)據(jù)，對于非結(jié)構(gòu)化數(shù)據(jù)的挖掘，可采用類似文獻(xiàn)關(guān)鍵詞檢索技術(shù)進(jìn)行分類管理。

數(shù)據(jù)預(yù)處理階段，通常包括三個重要的數(shù)據(jù)操作：抽取、轉(zhuǎn)換和裝載。數(shù)據(jù)的抽取要明確數(shù)據(jù)倉庫需要什么樣的數(shù)據(jù)；數(shù)據(jù)轉(zhuǎn)換是為了消除數(shù)據(jù)在類型、格式、質(zhì)量等方面的差距，將數(shù)據(jù)進(jìn)行歸一化；數(shù)據(jù)裝載的過程中應(yīng)注意數(shù)據(jù)倉庫系統(tǒng)同業(yè)務(wù)不能在同一個數(shù)據(jù)庫系統(tǒng)中，以免影響系統(tǒng)的額性能。數(shù)據(jù)預(yù)處理的最終目的是結(jié)合企業(yè)擬投標(biāo)項目的基本信息，排除關(guān)聯(lián)性不大的項，初步篩選出類似工程項目，基本篩選條件為：工程類型相同；本次競標(biāo)活動中的參與者。按照企業(yè)內(nèi)部、企業(yè)與競爭對手之間的關(guān)聯(lián)進(jìn)行劃分，以縮小數(shù)據(jù)挖掘范圍，能夠更準(zhǔn)確地找出有效的信息。

數(shù)據(jù)挖掘分析階段，主要是對非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分析，常用的數(shù)據(jù)挖掘方法包括關(guān)聯(lián)性分析、聚類分析、異常發(fā)現(xiàn)和分類發(fā)現(xiàn)等，工程項目投標(biāo)風(fēng)險因素的篩選首要工作就是對風(fēng)險進(jìn)行歸類，運(yùn)用分類發(fā)現(xiàn)法進(jìn)行數(shù)據(jù)挖掘。分類模型常用的算法有統(tǒng)計分析、決策樹法、BP神經(jīng)網(wǎng)絡(luò)等[11]。決策樹算法是數(shù)據(jù)分類器中應(yīng)用最為廣泛的一種算法，在處理數(shù)據(jù)的過程中，結(jié)合樹狀結(jié)構(gòu)，將數(shù)據(jù)按照類別劃分為不同的樹干和枝葉，生成決策樹。數(shù)據(jù)元組的類別歸屬屬性通過決策樹的每個分枝來體現(xiàn)，繼而從每個分枝中提取屬性，建立數(shù)據(jù)關(guān)聯(lián)規(guī)則。樹根作為整個決策樹的根節(jié)點，樹枝表示下一階段的決策節(jié)點，每個決策節(jié)點對應(yīng)一個問題或者決策，每個葉子節(jié)點表示一種可能的分類。

設(shè){決策屬性1=a，決策屬性2=b，決策屬性i=x}（i=1，2，…，n）為決策樹從根節(jié)點到當(dāng)前節(jié)點的決策屬性集合，若當(dāng)前節(jié)點對應(yīng)的元組集合X中，按照類別的屬性取值進(jìn)行分組，得到的若干個互不相交的子集中存在子集Y k（Y k滿足類別標(biāo) 識屬性=c k，k=1，2，…，m）中的元組占集合X元組總量的p%，則稱p%為子集Y k對集合X的支持度。

決策樹的創(chuàng)建過程：

（1）選取分類標(biāo)識明顯的屬性作為當(dāng)前決策節(jié)點，確定決策對類別標(biāo)識屬性的最小支持度的閾值α（0≤α≤1）。

（2）計算當(dāng)前決策節(jié)點下每個決策屬性的信息增益，取最大項作為決策節(jié)點，將訓(xùn)練樣本數(shù)據(jù)集分成若干個子集。

（3）計算每個子集中各類別的標(biāo)識屬性值在該子集中支持度，過濾掉低于最小支持度α的元組。

（4）針對每一個子集，重復(fù)循環(huán)步驟（2）（3），直至最終的子集滿足子集中所有元組類別相同、該子集是遍歷了所有的決策屬性得到的或者子集中剩余的決策屬性已經(jīng)無法進(jìn)行劃分等條件之一。

（5）確定葉子節(jié)點，生成決策樹，將決策樹中規(guī)則可信度低于最小可信度β所對應(yīng)的分枝刪除。

在項目投標(biāo)風(fēng)險因素分析的過程中，將數(shù)據(jù)預(yù)處理的結(jié)果進(jìn)行整理，以“項目所屬公司”作為決策樹根節(jié)點，以風(fēng)險損失度值作為標(biāo)識屬性。構(gòu)建的決策樹如圖3。

對于項目風(fēng)險影響因素，由于建筑項目的相對獨立性，不同的項目即使在相同的情況下，面臨的風(fēng)險因素也不盡相同，因此，在風(fēng)險評價指標(biāo)體系的建立過程中，要充分考慮對目標(biāo)項目的適用性。例如，對某工程項目的經(jīng)濟(jì)風(fēng)險類別進(jìn)行挖掘，樣本訓(xùn)練集中共有500個元組，分為經(jīng)濟(jì)風(fēng)險“很高”、“較高”、“一般”、“極低”，對應(yīng)的子集Y 1、Y 2、Y 3、Y 4中元組個數(shù)分別為130、260、70、40，設(shè)最小支持度閾值α為10%，則經(jīng)濟(jì)風(fēng)險為“極低”的支持度為40/500=8%<10%，因此經(jīng)濟(jì)風(fēng)險發(fā)生率“極低”的類別標(biāo)識屬性將被舍去。繼續(xù)分析經(jīng)濟(jì)風(fēng)險類別下的影響因素，對各影響因素按照風(fēng)險后果劃分等級并賦值，運(yùn)用公式風(fēng)險值=影響因素發(fā)生概率×事件后果，設(shè)置閾值，根據(jù)計算結(jié)果舍去低于閾值的影響因素，剩下的就是需要重點分析的風(fēng)險因素。

（三）數(shù)據(jù)挖掘結(jié)果的解釋

數(shù)據(jù)挖掘中的決策樹算法，是根據(jù)歷史數(shù)據(jù)，先由根部開始發(fā)散，構(gòu)建決策樹，再從底層向上篩選計算，對風(fēng)險因素進(jìn)行排序，這是一個定量分析的客觀過程。對項目投標(biāo)風(fēng)險數(shù)據(jù)進(jìn)行挖掘篩選的最終目的，是要找出有用的風(fēng)險決策信息，為了讓企業(yè)能夠了解最終的結(jié)果，要組織專業(yè)人員對結(jié)果進(jìn)行進(jìn)一步的處理，即結(jié)合定性分析，通常表格的形式來說明。通過對工程項目投標(biāo)海量數(shù)據(jù)平臺處理分析后，得出項目投標(biāo)風(fēng)險一級指標(biāo)有4個：經(jīng)濟(jì)風(fēng)險、行業(yè)風(fēng)險、公司風(fēng)險和項目風(fēng)險。將這4個一級指標(biāo)作為重點挖掘的數(shù)據(jù)，繼續(xù)篩選得到各一級指標(biāo)下的子集，如表2所示。

三、案例分析

桂林奧林匹克花園世紀(jì)華庭工程概況：該項目地處桂林西城新區(qū)，毗鄰新市政府。周邊自然風(fēng)光較好，東臨魯湖，西接騎馬山。開發(fā)商為世紀(jì)家園房地產(chǎn)開發(fā)有限公司，項目投資金額約50億，規(guī)劃占地面積約為7.28萬平方米，建筑總面積達(dá)180萬平方米，計劃入住人口4萬左右。項目內(nèi)配套建設(shè)多種公共設(shè)施，如酒店、商圈、幼兒園等。

（一）項目投標(biāo)決策風(fēng)險確立

根據(jù)桂林奧林匹克花園世紀(jì)華庭工程的項目概況和市場調(diào)研結(jié)果，利用大數(shù)據(jù)構(gòu)建項目投標(biāo)風(fēng)險評價指標(biāo)體系，結(jié)合風(fēng)險識別的科學(xué)方法，并參考專家們給出的意見，識別出該項目存在的主要風(fēng)險。

1.建立數(shù)據(jù)庫。湖北中進(jìn)建設(shè)工程有限公司擬參與投標(biāo)，投標(biāo)工作小組整理公司內(nèi)部、行業(yè)內(nèi)以及競爭對手的數(shù)據(jù)信息，通過第三方數(shù)據(jù)軟件，建立投標(biāo)項目數(shù)據(jù)倉庫。

2.對數(shù)據(jù)進(jìn)行篩選分析。

數(shù)據(jù)預(yù)處理：目的是要找出類似工程的數(shù)據(jù)以供參考。該項目為住宅小區(qū)建設(shè)，輸入項目類型為“住宅”，初步篩選出符合條件的元組，建立新的數(shù)據(jù)存儲集合。

數(shù)據(jù)挖掘分析：根據(jù)表2列出的風(fēng)險指標(biāo)評價體系，建立優(yōu)化后的決策樹，從右向左進(jìn)行推算，15分為閾值，即低于15分以下的分枝進(jìn)行修剪。風(fēng)險值=風(fēng)險發(fā)生概率×事件后果嚴(yán)重程度，這里的事件后果嚴(yán)重程度是根據(jù)歷史數(shù)據(jù)中，風(fēng)險發(fā)生后對工程項目的影響，以費用的形式體現(xiàn)，按照費用高低來進(jìn)行嚴(yán)重度劃分，如表3。

通貨膨脹的風(fēng)險值：0.5×50=25

項目融資途徑的風(fēng)險值：0.3×90=27

供應(yīng)商價格波動的風(fēng)險值：0.2×70=14

利率浮動的風(fēng)險值：0.2×50=10

地方保護(hù)主義的風(fēng)險值：0.6×30=18

將各項風(fēng)險影響因素的風(fēng)險值與閾值15進(jìn)行比較，可得供應(yīng)商價格波動和利率浮動兩項較低，在該項目的風(fēng)險分析工作中可以少關(guān)注，不作為主要的經(jīng)濟(jì)風(fēng)險因素。以此類推，行業(yè)風(fēng)險、公司風(fēng)險和項目本身風(fēng)險的二級影響因素都可以生成相似的決策樹。最終得到該項目需要重點分析的風(fēng)險影響因素有：通貨膨脹風(fēng)險、資金來源風(fēng)險、地域保護(hù)風(fēng)險、投標(biāo)競爭風(fēng)險、政策變化風(fēng)險、氣候地址條件風(fēng)險、公司信譽(yù)風(fēng)險、管理水平風(fēng)險、信息取舍失誤風(fēng)險、施工技術(shù)風(fēng)險、工期風(fēng)險、質(zhì)量風(fēng)險、安全風(fēng)險等。

（二）項目投標(biāo)風(fēng)險分析

1.投標(biāo)風(fēng)險初步分析。根據(jù)識別出的風(fēng)險因素，設(shè)計工程項目投標(biāo)風(fēng)險調(diào)查表。在企業(yè)內(nèi)部選出5位專家，請各專家對桂林奧林匹克花園世紀(jì)華庭工程項目投標(biāo)風(fēng)險因素的可能發(fā)生率P、影響嚴(yán)重程度S、監(jiān)測能力D進(jìn)行排序打分，同時確定各風(fēng)險因素的概率等級P 0，如表4為某位專家的投標(biāo)風(fēng)險評價表。風(fēng)險管理者收回并整理調(diào)查表，計算各專家的評分。

根據(jù)每位專家對相關(guān)項目工作經(jīng)驗、招標(biāo)項目的了解程度以及自身知識的掌握程度等，賦予每位專家權(quán)威性權(quán)重值T，計算該項目投標(biāo)風(fēng)險初步評價匯總情況，見表5。

將每位專家評定的風(fēng)險度加權(quán)平均得到本項目的投標(biāo)風(fēng)險度為0.5303，在區(qū)間（0.4，0.6]內(nèi)，屬于風(fēng)險中等范圍，可以正常參與投標(biāo)，但接近上限值，因此要密切關(guān)注各投標(biāo)風(fēng)險因素的發(fā)展。

2.投標(biāo)風(fēng)險詳細(xì)分析。資格審查環(huán)節(jié)結(jié)束后，承包商仔細(xì)研究招標(biāo)文件，結(jié)合現(xiàn)場考察情況，作進(jìn)一步的調(diào)查研究，在更加詳盡的信息基礎(chǔ)上進(jìn)行項目風(fēng)險分析，分析結(jié)果通過層次結(jié)構(gòu)圖來展現(xiàn)。

在行業(yè)內(nèi)選擇8位專家組成風(fēng)險評價小組，其中5位是參加過風(fēng)險初步評價的專家，另外3位是非本單位的行業(yè)內(nèi)專家。專家小組分別對一級、二級評價指標(biāo)進(jìn)行比較打分，根據(jù)專家討論分析的結(jié)果得到兩兩判斷矩陣。

B 1、B 2、B 3 、B 4對A：

將工程項目投標(biāo)風(fēng)險評價指標(biāo)列出，形成風(fēng)險評價表，請8位專家按照“風(fēng)險很大、風(fēng)險較大、風(fēng)險中等、風(fēng)險較小、風(fēng)險很小”的評價標(biāo)準(zhǔn)對各評價指標(biāo)進(jìn)行模糊評判。然后加入專家意見的權(quán)重，對各專家的評判結(jié)果進(jìn)行統(tǒng)計整理。企業(yè)內(nèi)部的5位專家的權(quán)重集為（1.0，0.9，0.9，0.8， 0.7）；企業(yè)外部3位專家的權(quán)重集為（0.9，0.8， 0.8），則本案例中∑ B j=1 Y ij=6.8。

整理評價結(jié)果，計算評價指標(biāo)對評價集的隸屬度，得到各隸屬度矩陣為：

3.桂林奧林匹克花園世紀(jì)華庭工程項目投標(biāo)風(fēng)險應(yīng)對。通過風(fēng)險評價模型分析得到的風(fēng)險度值，對比各層次風(fēng)險評估等級標(biāo)準(zhǔn)，我們可以得出該投標(biāo)項目的風(fēng)險水平，運(yùn)用工程項目投標(biāo)風(fēng)險應(yīng)對的方法，從而針對不同的風(fēng)險水平采取風(fēng)險應(yīng)對措施。對于風(fēng)險度很大的項目，承包商應(yīng)持謹(jǐn)慎態(tài)度，以回避風(fēng)險為主；對于風(fēng)險度較大或一般的項目，承包商應(yīng)重點關(guān)注，尋求幫助或分散風(fēng)險來減小損失；對于風(fēng)險度很小的項目，承包商可以選擇風(fēng)險自留或轉(zhuǎn)移，例如以分包的方式將風(fēng)險轉(zhuǎn)移給下級分包商，通過購買工程保險的方式獲得可能的損失補(bǔ)償?shù)取１卷椖烤幹频捻椖客稑?biāo)風(fēng)險應(yīng)對詳細(xì)方案，見表7。

四、結(jié) 語

當(dāng)前，大數(shù)據(jù)技術(shù)的不斷發(fā)展，在不同領(lǐng)域的成功運(yùn)用為建筑行業(yè)提供了有效的經(jīng)驗支持。正是由于學(xué)者們對大數(shù)據(jù)技術(shù)的探索和研究，推動著建筑行業(yè)走向信息化管理時代。本研究基于大數(shù)據(jù)的工程項目投標(biāo)風(fēng)險管理對于幫助項目決策者作出最合適的風(fēng)險管理決策有著積極可靠的現(xiàn)實作用，同時建立大數(shù)據(jù)風(fēng)險評價指標(biāo)體系也有助于企業(yè)進(jìn)一步實現(xiàn)信息化管理，可降低風(fēng)險帶來的損失。雖然大數(shù)據(jù)工程項目投標(biāo)風(fēng)險評價指標(biāo)體系能夠為承包商風(fēng)險管理提供基礎(chǔ)，但實際操作中工程項目可能面臨的風(fēng)險因素數(shù)以萬計，且類別多變，通過數(shù)據(jù)挖掘算法得到的評價指標(biāo)僅能代表小部分，尤其是對于工程技術(shù)復(fù)雜、規(guī)模大、投資巨額的項目，其風(fēng)險控制工作更加困難，就需要更完善、更全面的風(fēng)險評價指標(biāo)體系，有待進(jìn)一步研究。

[參考文獻(xiàn)]

[1]梁吉業(yè)，馮晨嬌，宋 鵬.大數(shù)據(jù)相關(guān)分析綜述[J].計算機(jī)學(xué)報，2016（1）：1-18.

[2]Fatos Xhafa. Big Data knowledge discovery[J]. Knowledge-Based Systems， 2015（1）：79.

[3]Ming LU. About Risk Simplified CPM/PERT Simulation Model[J]. Journal of Construction Engineering and Management， 2013（3）：219-226.

[4]S.H Han， J E Diekmann. Making A Risk-based Decision for Overseas Construction Projects[J]. Construction Management and Economics， 200l，21（9）：765-776.

[5]Bakker K.D， Boonstra， A.， Wortmann， H. Does Risk Management Contribute to IT Project Success？ A Meta-analysis of Empirical Evidence[J]. International Journal of Project Management， 2010，28（5）：493-503.

[6]郭 鵬，施品貴.項目風(fēng)險模糊灰色綜合評價方法研究[J].西安理工大學(xué)報，2005（1）：106-109.

[7]胡艷妮.工程項目風(fēng)險識別與分析方法探討[J].現(xiàn)代商貿(mào)工業(yè)，2010（21）：46-47.

[8]崔 陽，陳勇強(qiáng)，徐冰冰.工程項目風(fēng)險管理研究現(xiàn)狀與前景展望[J].工程管理學(xué)報，2015（02）：76-80.

[9]李海強(qiáng).依托大數(shù)據(jù)解決供應(yīng)鏈企業(yè)信用貸款問題的研究[D].上海：華東師范大學(xué)，2014：33.

[10]崔小委，吳新年.大數(shù)據(jù)應(yīng)用促進(jìn)大數(shù)據(jù)產(chǎn)業(yè)落地[J].科技管理研究，2016（2）：203-207.

[11]金澈清，錢衛(wèi)寧，周敏奇，等.數(shù)據(jù)管理系統(tǒng)評測基準(zhǔn)：從傳統(tǒng)數(shù)據(jù)庫到新興大數(shù)據(jù)[J].計算機(jī)學(xué)報，2015（1）：18-34.

（責(zé)任編輯 王婷婷）

Risk Management of Project Bidding Decision-making Based on Big Data

SUN Shu-sheng， LIU Dan

（School of Management， Wuhan University of Science and Technology， Wuhan 430081，Hubei，China）

Abstract：While the data of the construction industry shows an explosive growth， contractors should consider more factors when they make decisions about project bidding. However， the outdated information management of construction enterprises leads to amounts of data cant be disposed， and even more serious problems， such as a waste of resources， improper risk control， bidding failure， etc. The big data provides support for construction enterprises to control risks in the process of project bidding. Based on the existing project bidding risk management model， the thesis utilizes the big data technology to preprocess information. Decision tree algorithm of data mining is used to select effective risk information. And then， the project bidding risk evaluation index system is created. With the example of practical engineering project， this paper proves the evaluation index system can help the contractors quantify risks effectively， and improve the accuracy of risk identification.

Key words：big data； project bidding decision-making； evaluation index system； risk management